Сверхэффекти́вная оце́нка (суперэффективная оценка), общепринятое сокращение термина «сверхэффективная (суперэффективная) последовательность оценок», употребляемого по отношению к состоятельной последовательности асимптотически нормальных оценок неизвестного параметра, которая является более эффективной, чем состоятельная последовательность оценок максимального правдоподобия.

Пусть $X_1, X_2, \ldots, X_n$ – независимые одинаково распределённые случайные величины, принимающие значения в выборочном пространстве $(\mathfrak{X}, \mathscr{B}, P_{\theta})$, $\theta \in \Theta$, и пусть семейство распределений $\left\{P_\theta\right\}$ таково, что существует состоятельная последовательность $\left\{\hat{\theta}_n\right\}$ оценок $\hat{\theta}_n=\hat{\theta}_n\left(X_1, \ldots, X_n\right)$ максимального правдоподобия параметра $\theta$. Далее, пусть $\left\{T_n\right\}$ – последовательность асимптотически нормальных оценок $T_n= T_n\left(X_1 \ldots, X_n\right)$ параметра $\theta$. Если при всех $\theta \in \Theta$

$$\lim _{n \rightarrow \infty} \mathsf{E}_\theta\left[n\left(T_n-\theta\right)^2\right] \leqslant \frac{1}{I(\theta)},$$где $I(\theta)$ – информационное количество Фишера, и, кроме того, хотя бы в одной точке $\theta^*$, $\theta^* \in \Theta,$ выполняется строгое неравенство
$$\tag{*} \lim _{n \rightarrow \infty} \mathsf{E}_{\theta^*}\left[n\left(T_n-\theta^*\right)\right]<\frac{1}{I\left(\theta^*\right)},$$то такая последовательность оценок $\{T\}$ называется сверхэффективной (суперэффективной) относительно квадратичной функции потерь, а точки $\theta^*$, в которых выполняется $(*)$, называются точками суперэффективности.